Imports

library(tidyverse)
library(janitor)
library(dplyr)
library(lubridate)
library(readxl)
library(forecast)
library(seasonal)
library(plotly)

a) O excel continha 2 linhas de títulos para as colunas, foi necessário ler o xlsx sem a primeira linha, utilizando o parametro range do read_excel.

data <- readxl::read_excel("www/retail.xlsx", col_names = TRUE, range = "A2:GH383") %>% 
        janitor::clean_names() %>% 
        rename(date = "series_id")

b)

grocery_market.ts <- data %>% 
  select(c("a3349335t") ) %>% 
  ts(
    start = c(
      lubridate::year(dplyr::first(data$date)),
      lubridate::month(dplyr::first(data$date))),
    
    end = c(
      lubridate::year(dplyr::last(data$date)), 
      lubridate::month(dplyr::last(data$date))),
    
    frequency = 12
  ) %>% 
  .[,1]

c) É possível perceber uma grande sazonalidade, com novembro/dezembro sendo os meses que Supermercados e Lojas de Conveniência têm maiores vendas, pouco ciclo e tendência linear positiva ao longo dos anos.

d) Com o plot da decomposição da Time Series é possivel perceber que em 2009 houve um pico de vendas nos Supermercados e Lojas de Conveniência em New South Wales, na Austrália.

data_x11 <- seasonal::seas(grocery_market.ts, x11 = "")

data_x11 %>% autoplot() + ggtitle("X11 Decomposition Supermarket and Grocery Stores Time Series")

plot(data_x11)